Affogano nella carta: 2.000 pacchetti astratti al giorno, ognuno un bestione da 75 pagine pieno di atti, gravami, avvisi fiscali e scarabocchi orrendi accumulati in decenni di compravendite immobiliari.
Rocket Close, quell’azienda di Detroit annidata dentro Rocket Companies, ha detto basta. Ha stretto la mano al team GenAI di AWS e ha creato una bestia AI con Amazon Textract per il lavoro sporco di OCR e Bedrock per i modelli base intelligenti. Risultato? I tempi di elaborazione crollano del 15x, da 10 ore a… beh, minuti. E l’accuratezza? Sbandierano il 90% su segmentazione, classificazione ed estrazione. Sembra una figata.
Ma ecco il punto: questo film l’ho già visto. Fine anni ‘90, i guru del fintech promettevano che l’underwriting automatico avrebbe spazzato via la schiavitù dei mutui. In parte ci sono riusciti, per le approvazioni prestiti. I documenti? Ancora un calvario umano. Ora, 25 anni dopo, l’AI finalmente rosicchia quell’ultima roccaforte. La chicca unica: non è solo velocità, è domare l’inferno eterogeneo – oltre 60 tipi di documenti, scarabocchi a mano, formati assurdi. Se regge, il vantaggio di Rocket sui concorrenti si affila. Previsione? Copioni in title insurance entro il Q3, ma occhio all’accumulo di errori al 10% che finisce in tribunale.
L’incubo del lavoro manuale
Estrazione manuale: 30 minuti di fatica vera per pacchetto, ma con i picchi di volume diventava una maratona da 10 ore. Totale giornaliero? 1.000 ore-uomo, milioni di costi annui. Scalabilità? Da ridere. Errori si intrufolavano: gravami persi, campi sbagliati. Rocket Close aiuta la gente a comprare case, certo, ma le loro operazioni stavano soffocando proprio nei documenti che rendono possibili quei sogni.
Elaborando circa 2.000 file di pacchetti astratti al giorno, con una media di 75 pagine ciascuno, l’azienda si trovava di fronte a una sfida operativa enorme: l’estrazione manuale richiedeva in media 10 ore per pacchetto, creando grossi carichi di risorse e colli di bottiglia nei flussi di lavoro.
Parole loro, dirette dal manuale. Onestà brutale, rara nel PR.
Allarga lo zoom: questi pacchetti non sono PDF puliti. Catene di atti di proprietà (warranty deed, quitclaim, fate voi), sentenze, gravami fiscali, mutui veri e propri. Ordine variabile, qualità schifosa, calligrafia che prende in giro le macchine. L’automazione old-school si arrendeva qui.
Il 90% di accuratezza basta per i mutui?
Textract individua testo, tabelle, moduli: doma il casino. I modelli di Bedrock poi classificano, segmentano, estraggono campi come importi prestiti, catene di proprietà. Scala fino a 500.000 documenti l’anno. Sicuro, serverless, API multi-modello. AWS ci guadagna alla grande: lock-in tramite Bedrock.
Il mio lato cinico chiede: 90% overall? Ottimo per i volumi, ma quel 10% – un avviso di gravame toppato? Può mandare all’aria un affare, scatenare cause. I mutui non sono gattini su YouTube; gli errori costano milioni. Coprono 60 classi, categorie come mutui, catene di titolo, sentenze, tasse. Ambito impressionante. Eppure, i picchi reali (inchiostro sbiadito, graffette sulle firme) lo metteranno alla prova.
E i soldi? Rocket Close cresce in modo sostenibile, chiusure più rapide fanno felici i clienti. Ma AWS? Stampano soldi qui – ogni chiamata API è una entrata. Rocket Companies (la famiglia Quicken Loans) si integra sempre più nell’ecosistema. Chi è davvero su di giri? Segui le bollette cloud.
Guardate, copro l’hype della Valley da 20 anni. Amazon Bedrock fa rumore perché è agnostico sui modelli base: Anthropic, Stability, chi vuoi. Niente lock-in oltre l’API. Furbo per Rocket, copre le spalle.
Pugnetto breve: i casi limite incombono.
Poi questo mattone: Partner come il GenAI Innovation Center hanno guidato la costruzione – prompt custom, fine-tuning? Dettagli vaghi, ma funziona in scala, o così dicono. Parallelo storico: il sistema DUS di Fannie Mae negli anni 2000
